Pyspark实战（二）wordcount词频统计

最新推荐文章于 2023-10-14 20:23:59 发布

原创最新推荐文章于 2023-10-14 20:23:59 发布 · 1.8k 阅读

11 ·

CC 4.0 BY-SA版权

文章标签：

#pyspark #wordcount #词频统计

大数据同时被 2 个专栏收录

13 篇文章

订阅专栏

pyspark

6 篇文章

订阅专栏

本文详细介绍了一个使用PySpark进行单词计数的实际案例。通过在E盘根目录创建的test.txt文件，文章演示了如何利用PySpark的SparkContext和RDD进行文本文件的读取、单词的拆分、计数及结果的输出。该过程展示了PySpark的基本操作流程，适用于初学者了解并实践PySpark的基础用法。

E盘根目录创建test.txt输入测试内容如下：

this is a test

this very good

you is very good

what are you

完整代码如下：

from pyspark import SparkContext,SparkConf



def wordcount():

    txtfile=r'E:\test.txt'



    conf=SparkConf()

    conf.setAppName("worlcount")

    conf.setMaster("local[*]")

    sc = SparkContext(conf=conf)



    rdd=sc.textFile(txtfile)

    rdd.flatMap(lambda x:x.split( )).map(lambda x:(x,1)).reduceByKey(lambda x,y:x+y).foreach(lambda x:print(x))



if __name__ == '__main__':

    wordcount()

pycharm直接运行，或者使用命令提交：spark-submit --master local E:\geotrellis\pyspark_dem\base\wordcount.py

执行结果：